所以，大型語言模型到底是什麼？
大型語言模型（large language model，LLM）的核心，就是一個「吃進一段文字、再產生更多文字」的電腦程式。你打一個問題、一個請求，或一個故事的開頭，它就會寫出一段讀起來像是由懂行的人所寫的接續內容。整個工作說明就只有這樣。大型語言模型所有令人驚豔的本領——回答問題、草擬電子郵件、解釋程式碼、翻譯——其實都是同一種能力：寫出像樣的文字，只是被用在不同任務上。
更精確地說，大型語言模型是一種生成式文字模型（generative text model）：說它「生成式」（generative），是因為它會創造新的文字，而不只是把文字分類或評分；說它「文字」，是因為它從頭到尾處理的就是「文字進、文字出」。它並沒有一個可供查詢的答案資料庫，而是根據從海量文章裡吸收到的規律，一小段一小段地、當場重新產生每一次的回應。
你早就見過它的小表親了
當你打字時，手機鍵盤替你預測下一個字——你打「我五分鐘後到」，它就跳出「分鐘」——你看到的就是同一個想法的嬰兒版。這正是從自動完成到大型語言模型故事的核心：大型語言模型就是被放大到幾乎認不出來的自動完成，餵進多得多的文字，並配上強得多的「大腦」。
從手機自動完成跨到一個好用的助理，落差固然巨大，但「正在發生的那種事」其實是一樣的：看看目前為止的文字，預測接下來會是什麼。請記住這個畫面，它是整個領域裡最有用的一個直覺，下一篇導覽會把它完整拆開來談。
一句話概括核心思想：給定目前為止的文字，模型為每一個可能的下一個詞分配一個機率。
為什麼叫「大型」？
「大型」這個詞指向兩種「大」。第一，模型內部有龐大數量、可調整的「旋鈕」，稱為參數（parameters）——往往是數百億甚至上千億個。這些數字會在學習過程中被調整，並儲存了模型對「語言如何運作」所「知道」的一切。第二，它從巨量的訓練資料（training data）中學習：人類放上網的書籍、文章與網頁中的很大一部分。
把這兩者加起來——大量參數加上大量資料——你得到的系統，等於是把人類書寫的一大塊內容裡的規律，提煉進了單一程式裡。正是這種規模，讓一台單純「預測下一個字」的機器最終能做這麼多事。它是把語言模型（language model）這個概念推到極致的一種樣貌，因此人們也直接稱它為大型語言模型，並把它當成一個獨立的主題來研究。
對數座標圖顯示損失隨模型與資料規模擴大而穩步下降。
用起來是什麼感覺
實際使用時，你打開一個聊天框，用日常語言輸入，再用日常語言得到答案。沒有要學的特殊語法。你可以追問、貼上一段文字請它摘要，或說「請當我是十二歲的小孩來解釋」。模型會把你整則訊息當成「要合理接續下去的文字」來處理。
- 你輸入一則訊息——一個問題、一項任務，或一段要處理的文字。
- 模型讀取目前為止的一切，包括對話前面幾輪的內容。
- 它一次次預測「最貼切的下一段文字」，藉此寫出回覆。
- 你讀完後再調整你的請求，這個循環就以對話的形式持續下去。
這個系列接下來要去哪裡
這第一個系列會停留在「清楚的直覺」這個層次——不用數學，也沒有你無法想像的術語。接下來的四篇導覽，我們會看到那個核心想法（預測下一個字）、一個原始的預測器如何變成有禮貌的聊天機器人、模型裡面到底有什麼，以及對大型語言模型「擅長什麼、又在哪裡失手」的誠實盤點。讀完之後，你會擁有一個穩固的心智模型，而領域其餘部分——詞元、注意力、訓練、提示——都建立在它之上。